基于sklearn的回归问题（预测数值）入门代码demo

一个用于入门机器学习的程序段（可直接运行）

from sklearn import datasets #导入sklearn的数据集
from sklearn.model_selection import train_test_split #导入切分训练集、测试集模块
from sklearn.linear_model import LinearRegression #导入线性回归算法模型

dataset = datasets.load_iris() #加载数据集(这里可以修改成sklearn的其他数据集)
x = dataset.data    #feature(特征，即预测依据的数据)
y = dataset.target  #label(标签，即要预测的量)

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.1)

model = LinearRegression()   #实例化线性回归模型
model.fit(x_train, y_train)  #用训练数据训练模型
print(model.predict(x_test))  #使用训练好的模型预测结果
print(y_test)     #实际结果